申请/专利权人：湖南人文科技学院

申请日：2019-09-24

公开（公告）日：2020-01-10

公开（公告）号：CN110675429A

主分类号：G06T7/246(20170101)

分类号：G06T7/246(20170101);G06T3/40(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的驳回

法律状态：2023.10.27#发明专利申请公布后的驳回;2020.02.11#实质审查的生效;2020.01.10#公开

摘要：本发明公开了一种基于孪生网络和相关滤波器长‑短程互补型目标跟踪方法，通过深度学习孪生网络在当前帧搜索区域内获取基于第一帧信息的相似度响应图，同时通过相关滤波器跟踪模型在当前帧搜索区域内获取基于临近历史帧信息的跟踪模型响应图，定义熵正则化损失函数对获取的相似度响应图和跟踪模型响应图进行最优化选择，最终以最优响应图中的最大值预测当前帧的跟踪信息。本发明可有效地将第一帧中的标定信息和历史临近帧中的变化信息进行融合，因其信息融合的多元性，相较于现有的其他目标跟踪方法，无论是在避免因跟踪误差累积还是捕获待跟踪目标的表征持续变化等方面都有很好的效果，对视觉目标跟踪的算法研究和实践具有重要的指导意义。

主权项：1.一种基于孪生网络和相关滤波器的长-短程互补型目标跟踪方法，其特征在于，所述方法包括：S1、根据第一帧标定区域的深度卷积特征，计算得到当前帧搜索区域的孪生网络相似度响应图；S2、根据基于临近历史帧预测结果学习得到的相关滤波器跟踪模型，计算得到当前帧搜索区域的跟踪器相应图；S3、以所述步骤S1得到的孪生网络相似度响应图和所述步骤S2得到的相关滤波器跟踪器相应图为基础，定义最小化熵正则化损失函数，选择其中最优的响应图；S4、在所述步骤S3得到的最佳相应图上，根据其对应响应图的最大值的位置预测当前帧目标所在位置，并根据响应图对应的尺度信息来预测当前帧目标的尺度；S5、更新相关滤波器模型参数；S6、重复步骤S1至S5，直到图像序列最后一帧。

全文数据：

权利要求：

百度查询： 湖南人文科技学院 基于孪生网络和相关滤波器的长短程互补型目标跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD